데이터로 말하고
결정하는 사람이 되세요
Python·SQL 기초부터 통계, 시각화, 머신러닝까지.
현직 데이터 분석가·엔지니어가 가르치는 실전 데이터 사이언스 교육.
Data Roles
데이터 직무 4가지
데이터 사이언스 분야의 주요 직무와 역할 — 내 적성에 맞는 길을 찾으세요
데이터 분석가 (DA)
SQL · Excel · Tableau · BI
비즈니스 의사결정에 필요한 지표를 추출·시각화. 마케팅·기획·운영 부서와 협업.
데이터 엔지니어 (DE)
Python · SQL · Airflow · 클라우드
데이터 파이프라인 구축. 분산 처리·ETL·데이터 웨어하우스 설계가 핵심.
데이터 사이언티스트 (DS)
Python · 통계 · ML · 딥러닝
머신러닝 모델로 예측·분류 문제 해결. 통계와 ML 이론이 깊이 필요한 직무.
BI 개발자 / 데이터 PM
SQL · BI 도구 · 비즈니스 감각
BI 대시보드 개발 또는 데이터 제품 기획. 분석가와 개발자의 가교 역할.
Learning Path
데이터 사이언스 4단계 로드맵
엑셀에서 머신러닝까지, 단계별로 차근차근
기초 — Excel·SQL·통계
엑셀로 데이터 다루기, SQL로 DB에서 추출, 통계 기본기
실용 — Python·Pandas
Python·Pandas·NumPy로 데이터 정제·집계·EDA(탐색적 분석)
심화 — 시각화·BI
matplotlib·seaborn·Tableau로 시각화, BI 대시보드 구축
전문가 — 머신러닝·모델링
scikit-learn·XGBoost로 분류·회귀·클러스터링·시계열 분석
All Data Courses
데이터 사이언스 강의 전체
인기 순 · 최대 16개
데이터 사이언스 강의 준비 중입니다
곧 다양한 데이터 강의를 만나보실 수 있어요.
Career
데이터 강의로 갈 수 있는 직무
한국 데이터 직무 채용 시장 (2026 기준)
데이터 분석가
신입 4,000~5,500만원
SQL·BI 도구로 비즈니스 분석
데이터 엔지니어
신입 4,500~7,000만원
파이프라인·ETL·DW 구축
데이터 사이언티스트
신입 5,000~7,500만원
ML 모델 기반 예측·분류
ML 엔지니어
경력 6,500~9,500만원
모델 서빙·MLOps
FAQ
데이터 사이언스 자주 묻는 질문
Q.데이터 분석가, 사이언티스트, 엔지니어 — 무엇이 다른가요?
간단히: 분석가(DA)는 "지금 무엇이 일어나고 있는가"를 SQL/BI로 답하고, 사이언티스트(DS)는 "왜 그렇고 앞으로 어떻게 될지"를 통계·ML로 예측하며, 엔지니어(DE)는 "그 데이터를 어떻게 가져오고 저장할지"를 파이프라인으로 해결합니다.
Q.Python과 SQL 중 무엇부터 배워야 하나요?
SQL부터 추천합니다. 모든 데이터 직무의 공통 언어이며, 1~2주 안에 실무 수준에 도달할 수 있어 빠른 성과가 나옵니다. SQL을 익힌 뒤 Python·Pandas로 확장하는 게 효율적이에요.
Q.수학·통계 배경이 약해도 따라갈 수 있나요?
데이터 분석가(DA) 직무는 고등학교 수준의 기초 통계로 충분합니다. 사이언티스트(DS)·ML 엔지니어는 선형대수·확률·미분에 대한 이해가 필요하지만, NUGUNA 강의는 코드 중심으로 직관적으로 가르쳐 수학 두려움을 최소화합니다.
Q.데이터 사이언스 취업에 어떤 포트폴리오가 필요한가요?
캐글(Kaggle) 등 공개 데이터셋으로 분석·모델링 프로젝트 2~3건, 비즈니스 문제 해결 사례(예: A/B 테스트 분석)가 강력합니다. NUGUNA 강의는 모두 실전 데이터로 진행되어 그대로 포트폴리오에 활용할 수 있어요.
Q.머신러닝 강의는 어느 단계에서 듣는 게 좋나요?
3단계(시각화·EDA) 이후를 권장합니다. Pandas로 데이터를 자유롭게 다룰 수 있고 통계의 기본을 안 상태에서 머신러닝에 들어가야 단순한 코드 카피가 아닌 원리 이해가 가능합니다.